来源：期刊VIP网 时间：
作者：骆佳勇;李能昌;张欢;周静位;肖闯;林奕秀;
单位：白鹤滩水力发电厂;
摘要：针对水电机组振摆信号的高度非平稳、非线性特性导致其难以被准确预测的问题，提出基于多尺度自适应特征提取与最优核极限学习机（kernel extreme learning machine,KELM）的水电机组振摆预测方法。首先，采用变分模态分解（variational mode decomposition,VMD）对机组振摆信号进行多尺度分解，得到若干个模态分量，以削弱机组振摆序列的非平稳特性；然后，引入自编码器（autoencoder,AE）对分解得到的各模态分量进行自适应特征提取，从而精准捕获不同分量蕴含的深层特征信息；最后，构建最优KELM模型对所有模态分量进行分别预测，并通过叠加各分量的预测结果得到最终的振摆预测值，同时提出改进中华穿山甲优化算法（improved Chinese pangolin optimization,ICPO）率定最优KELM的关键参数以进行全局寻优，提升模型预测性能。实际案例的对比分析验证了所提方法的有效性与实用性。
关键词：变分模态分解;;自编码器;;改进中华穿山甲优化算法;;核极限学习机;;特征提取
基金资助：三峡金沙江云川水电开发有限公司宁南白鹤滩电厂科研项目（编号：Z532302046）
